基于OpenCV的视频身份认证

许方镪

摘要：目前基于视频的人脸识别已经成为最火热的方向之一，如何对视频中的人脸进行身份认证是该文研究的重点。通过OpenCV，利用Keras构建神经网络对已知身份分析建模并保存，最后通过摄像头，利用构建好的模型，对视频中出现的人脸进行身份认证。以此方法进行身份认证的准确率能达到90%。基于OpenCV的视频身份认证成本低廉，便于量产，具有很大的实用性。

关键词：身份认证；神经网络；OpenCV；基于视频的人脸识别；模式识别

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）23-0252-03

Abstract：In recent years， video-based face recognition has become one of the most active research directions in the field of face recognition. How to authenticate the face in video is the focus of this paper. Through OpenCV， Keras is used to construct a neural network to model and save known identity analysis. Finally， through the camera， the built model is used to authenticate the face appearing in the video. The accuracy of identity authentication in this way can reach 90%.OpenCV-based video identity authentication is inexpensive， easy to mass-produce， and has great practicality.

Keywords：identity authentication； neural network； OpenCV；video-based face recognition；pattern recognition

人脸识别在当今时代，具有非常大的应用价值和深厚的理论基础。人脸识别在图像处理、机器视觉、机器学习等领域都有巨大的推动力，不仅如此，在视频监控，行为预测，安全监测等各个领域都有着广泛的应用。经过多年研究，人脸识别已经逐渐趋于成熟，目前基于视频的人脸识别已经成为最火热的方向之一[1].如何充分利用视频中人脸的时间和空间信息来对视频中分辨率低、光照不平等困难下的人脸进行身份认证是一大难点.国内外许多大学和研究机构， 像美国的 M IT [2] 、 国内的中国科学院自动化研究所[3]等 都对人脸识别进行了不同程度的研究.统观目前现有的人脸识别国内外综述文献，主要针对静止图片的人脸识别研究[1-3] ，因此有必要对基于视频的人脸识别进行研究。

1 系统组成

此系统是在Windows 10操作系统下利用python进行开发，以OpenCV为基础，利用库中提供的相关函数进行处理，再通过构建神经网络对特定人的图像集进行训练，最后利用摄像头，调用训练好的模型对视频中采集到的图像进行模式匹配，检测结果利用PCA算法进行身份识别。

2 搭建开发环境

采用普通720P HD摄像头，Windows10操作系统，安装Python3.5、Keras、OpenCV、Numpy、Skelearn等软件工具包。其中OpenCV主要用于控制摄像头和图片处理，Numpy主要用于图片数字化，Keras主要用于构建神经网络进行图像识别。

3 系统开发

3.1 图像采集、预处理

4 结论

人脸识别技术经过国内外众多研究机构、学者的研究和推广，已经被广泛应用于安防、医疗、教育等多个领域，但是目前人脸识别算法还存在一些不足，在一些复杂环境，如有强光照射、脸部被遮挡、不同表情等方面，往往识别效果会很差，目前仍缺少有效的算法[7-8]。因此，如何更加高效的识别视频中动态的人脸并进行身份认证，仍然是一个研究热点，也将需要我们进一步研究。

参考文献：

[1] C hellappa R， Wilson C ， Sirohey S.Hum an an d machine recognition of f aces：A su rvey .Proceeding s of the IEEE ， 1995 ，83（5）：705-740

[2] S hakhnarovich G， Fisher J W， Darrell T .Face recognition from long-t erm ob servati ons// Proceedings of the European C onferen ce on Comput er Visi on.Bari ， 2002：851-868

[3] Li J W， Wang Y H ， Tan T N .Video-based f ace recognition using a metric of average Eu clidean distance// Proceedings of the 5th Chinese Conf erence on Biometric Recog niti on .Guangzhou ， China， 2004：224-232

[4] Kennedy J.Bare bones particle swarms. Proc. of the IEEE Swarm Intelligence Symposium （SIS 2003），Indianapolis， Indiana， 2003， 80?87.

[5] Turk M， Pentland A. Eigenfaces for recognition.Journal of Cognitive Neuroscience， 1991，3（1）：71-86.

[6] Turk M， Pentland A. Face Recognition using Eigenfaces. IEEE Confon CVPR， Maui， Hawaii，1991.586-591

[7] 王婧瑤，许勇，曹本希等. 基于主成分分析的超声人脸识别算法研究 [J].计算机工程与设计，2013，34（8）：2867-2871.

[8] 赵恒，俞鹏.基于主动表观模型姿态矫正和局部加权匹配人脸识别 [J].中国图象图形学报，2013，18（12）：1582-1586

【通联编辑：唐一东】